Automation of power quality diagnosis of industrial electrical grids - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Automation of power quality diagnosis of industrial electrical grids

Automatisation du diagnostic de la qualité d'électricité des réseaux électriques industriels

Résumé

The demand for power quality analysis has increased over the past decades. Voltage sags are the most frequent and impactful disturbances in industrial power grids, leading to high financial losses for industrial clients. The core of this thesis work is dedicated to the classification of voltage sag causes and their relative location to the monitoring point. The solution uses voltage and current waveforms as input to identify the causes of voltage sags in LV industrial grids. The methodology is based on four-dimension time series signatures, obtained through the application of the Short-Time Fourier Transform (STFT) and the Fortescue Transform. The source of a voltage sag is identified using a distance-based classification strategy with a custom distance measure based on the Dynamic Time Warping algorithm (DTW). In addition, the soft-DTW algorithm is used to reduce the size of the signature training database and increase speed. The performance of the method was analyzed in terms of class separability, prediction efficiency (accuracy and robustness to noise), and sensitivity to fundamental frequency variations. The proposal is resilient regarding noise levels up to an SNR = 15 dB and fundamental frequency variations up to +/- 0.5 Hz. Moreover, a confidence index on the prediction is proposed, increasing the algorithm's reliability. The proposal offers an easy implementation in industrial applications with no previous recorded data. It has the benefit of using a reduced-size reference database, entirely composed of synthetic data. The main advantages of the proposed method are its generalization capabilities and the possibility of raising an alert based on the confidence index. The obtained classification accuracy on synthetic data with seven causes is 100%. The method reaches a classification F1-score higher than 99% with field measurements representing five classes obtained from three different industrial sites. Finally, we also study the impact of voltage sags on industrial equipment. We propose a methodology to estimate the self-disconnected load composition following a voltage sag. The results showed some limitations in terms of harmonic interaction among the loads. Some of the limits of this approach are discussed, and several proposals to improve the load composition estimation for future work are made.
L'analyse de la qualité de l'électricité est une demande qui s'est vue augmentée au cours des dernières décennies. Les creux de tension sont les perturbations les plus fréquentes et les plus impactantes dans les réseaux électriques industriels, entraînant des pertes financières importantes pour les clients industriels. Le cœur de ce travail de thèse est dédié à la classification des causes de creux de tension ainsi qu'à leur localisation relative par rapport au point de mesure principale. L'algorithme développé utilise les formes d'onde de tension et de courant comme entrées pour identifier les causes des creux de tension dans les réseaux industriels BT. La solution est basée sur des signatures de séries temporelles quadridimensionnelles, obtenues par l'application de la transformée de Fourier court terme (STFT) et de la transformée de Fortescue. La source d'un creux de tension est identifiée à l'aide d'une stratégie de classification basée sur la distance avec une mesure basée sur l'algorithme Dynamic Time Warping (DTW). En outre, l'algorithme soft-DTW est utilisé pour réduire la taille de la base de signatures d'apprentissage, augmentant ainsi la vitesse de classification. Les performances de la méthode ont été analysées en termes de séparabilité des classes, d'efficacité de la prédiction (précision et robustesse au bruit) et de sensibilité aux variations de la fréquence fondamentale. La méthode est robuste aux niveaux de bruit jusqu'à un SNR = 15 dB et aux variations de fréquence fondamentale jusqu'à +/- 0.5 Hz. De plus, un indice de confiance sur la prédiction est proposé, augmentant la fiabilité de l'algorithme. Le système offre une mise en œuvre facile en milieu industriel sans avoir besoin de données enregistrées au préalable. La méthode présente l'avantage d'utiliser une base de données de référence de taille réduite, entièrement composée de données synthétiques. Les principaux avantages de la méthode proposée sont ses capacités de généralisation et la possibilité de déclencher une alerte basée sur l'indice de confiance. La précision de classification obtenue sur des données synthétiques comportant sept causes est de 100%. La méthode atteint également un F1-score supérieur à 99% avec des mesures terrain représentant cinq classes sur trois sites industriels différents. Enfin, nous étudions également l'impact des creux de tension sur les équipements industriels. Nous proposons une méthodologie pour estimer la composition de charges déconnectées suite à un creux de tension. Les résultats ont montré des limites en termes d'interaction harmonique entre les charges. Ces limites sont discutées et plusieurs propositions sont faites pour améliorer la méthode.
Fichier principal
Vignette du fichier
118851_VEIZAGA_AREVALO_2022_archivage.pdf (15.02 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04070619 , version 1 (16-04-2023)

Identifiants

  • HAL Id : tel-04070619 , version 1

Citer

Maria Veizaga Arevalo. Automation of power quality diagnosis of industrial electrical grids. Signal and Image processing. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPAST158⟩. ⟨tel-04070619⟩
103 Consultations
20 Téléchargements

Partager

Gmail Facebook X LinkedIn More